Kan AI opdage deepfake-videoer ved at analysere mikroskopiske uoverensstemmelser i blinkemønstre ?

AI-forskere har opdaget, at syntetiske videoer konsekvent viser unaturlige øjenblink-dynamikker. Disse systemer anvender højopløselig videoudanalyse til at identificere uoverensstemmelser, der er usynlige for det menneskelige øje. Teknikken virker på tværs af de fleste nuværende deepfake-genereringsmetoder. Dog udvikles der allerede nye adversariale angreb for at omgå sådan detektion.

Nuværende deepfake-detekteringsmetoder analyserer faktisk subtile fysiologiske signaler, og blinkemønstre er blevet undersøgt, fordi syntetiserede ansigter ofte producerer unaturligt konsistente eller sjældne blink. Forskning viser, at dybe neurale netværk kan lære at opdage disse mikroskopiske uoverensstemmelser ved at undersøge blinkfrekvens, varighed og øjenlågsbevægelsesdynamik, hvilket undertiden opnår høj nøjagtighed på kontrollerede datasæt. Men efterhånden som generative modeller forbedres, kan angribere finjustere blinkadfærd for at undgå sådanne detektorer, hvilket gør denne tilgang stadig mere upålidelig som en selvstændig forsvarsmekanisme. Ydeevnen varierer i vid udstrækning afhængigt af lysforhold, hovedstillinger og videokomprimering, hvilket begrænser den reelle anvendelighed.

— Opdateret 12. maj 2026 · Kilde: Li, Y., et al. "Exposing AI-Generated Faces by Detecting Eye Blinking Anomalies." 2022 IEEE International Conference on Multimedia and Expo (ICME) — https://ieeexplore.ieee.org/document/9859969